Create app.py

app.py

@@ -0,0 +1,47 @@
+import gradio as gr
+import pandas as pd
+from SBERT_Multilingue import buscar_marcas_similares as modelo_sbert
+from BETO import buscar_marcas_similares as modelo_beto
+
+def buscar_marcas(marca_input, umbral=80.0):
+    resultados = []
+    for modelo_func, nombre_modelo in [
+        (modelo_beto, "BETO"),
+        (modelo_sbert, "SBERT")
+    ]:
+        try:
+            salida = modelo_func(marca_input)
+            for i, (marca, similitud) in enumerate(salida, start=1):
+                if similitud >= umbral:
+                    resultados.append({
+                        "Marca": marca.strip().lower(),
+                        "Similitud (%)": round(similitud, 2),
+                        "Modelo": nombre_modelo
+                    })
+        except Exception as e:
+            print(f"Error en {nombre_modelo}: {e}")
+
+    if not resultados:
+        return []
+
+    df = pd.DataFrame(resultados)
+    df = df.sort_values("Similitud (%)", ascending=False)
+    df = df.drop_duplicates(subset="Marca", keep="first")
+    df["Marca"] = df["Marca"].str.title()
+    df = df.reset_index(drop=True)
+    df.index += 1
+    df.index.name = "Índice"
+
+    return df.reset_index().to_dict(orient="records")
+
+iface = gr.Interface(
+    fn=buscar_marcas,
+    inputs=[
+        gr.Textbox(label="Marca a evaluar"),
+        gr.Slider(0, 100, value=80, label="Umbral mínimo de similitud (%)")
+    ],
+    outputs="json",
+    examples=[["coca cola", 80], ["nike", 75]]
+)
+
+iface.launch()